JP6998331B2

JP6998331B2 - 推定装置、推定方法及び推定プログラム

Info

Publication number: JP6998331B2
Application number: JP2019006369A
Authority: JP
Inventors: 宗也脇山
Original assignee: Yahoo Japan Corp
Current assignee: Yahoo Japan Corp
Priority date: 2019-01-17
Filing date: 2019-01-17
Publication date: 2022-01-18
Anticipated expiration: 2039-01-17
Also published as: JP2020115279A

Description

本発明は、推定装置、推定方法及び推定プログラムに関する。

従来、属性と属性値の組み合わせで情報を抽出する処理により、属性と属性値により構造化されていない非構造データから構造データを生成する技術が知られている。

国際公開第２０１４／１６７６４７号

しかしながら、上記の従来技術では、ユーザビリティの向上を促進させることができるとは限らなかった。

本願は、上記に鑑みてなされたものであって、ユーザビリティの向上を促進させることを目的とする。

本願に係る推定装置は、所定の取引対象に対する利用者の投稿情報と、当該利用者の属性を示す属性情報とを取得する取得部と、前記取得部により取得された投稿情報と属性情報とに基づいて、前記所定の取引対象が有する属性を推定する推定部とを備えたことを特徴とする。

実施形態の一態様によれば、ユーザビリティの向上を促進させることができるといった効果を奏する。

図１は、実施形態に係る推定処理の一例を示す図である。図２は、実施形態に係る推定システムの構成例を示す図である。図３は、実施形態に係る端末装置の構成例を示す図である。図４は、実施形態に係る推定装置の構成例を示す図である。図５は、実施形態に係る投稿情報記憶部の一例を示す図である。図６は、実施形態に係るユーザ情報記憶部の一例を示す図である。図７は、実施形態に係る推定情報記憶部の一例を示す図である。図８は、実施形態に係るショッピングサーバの構成例を示す図である。図９は、実施形態に係る推定処理の一例を示すフローチャートである。図１０は、実施形態に係る推定処理の一例を示すフローチャートである。図１１は、推定装置の機能を実現するコンピュータの一例を示すハードウェア構成図である。

以下に、本願に係る推定装置、推定方法及び推定プログラムを実施するための形態（以下、「実施形態」と呼ぶ）について図面を参照しつつ詳細に説明する。なお、この実施形態により本願に係る推定装置、推定方法及び推定プログラムが限定されるものではない。また、以下の各実施形態において同一の部位には同一の符号を付し、重複する説明は省略される。

（実施形態）
〔１．推定処理の一例〕
まず、図１を用いて、実施形態に係る推定処理の一例について説明する。図１は、実施形態に係る推定処理の一例を示す図である。図１では、実施形態に係る推定処理が推定装置１００により実行される例を示す。

〔情報処理システムの構成〕
図１の説明に先立って、図２を用いて推定システム１の構成について説明する。図２は、実施形態に係る推定システムの構成例を示す図である。図２に示すように、推定システム１は、端末装置１０と、推定装置１００と、ショッピングサーバ２００とが含まれる。端末装置１０と、推定装置１００と、ショッピングサーバ２００とは所定のネットワークＮを介して、有線または無線により通信可能に接続される。なお、図２に示した推定システム１には、複数台の端末装置１０や、複数台の推定装置１００や、複数台のショッピングサーバ２００が含まれてもよい。

端末装置１０は、所定の商品に関するレビュー情報（以下、適宜「投稿情報」と呼ぶ）を投稿するユーザ（以下、適宜「利用者」と呼ぶ）によって利用される情報処理装置である。ここで、所定の商品とは、取引対象の一例である（以下、適宜「対象」と呼ぶ）。また、端末装置１０は、所定の商品の商品情報（以下、適宜「商品ページ」と呼ぶ）の配信を要求するユーザ（以下、適宜「他のユーザ」又は「他の利用者」と呼ぶ）によって利用される情報処理装置である。端末装置１０は、スマートフォンや、タブレット型端末や、ノート型ＰＣ（Personal Computer）や、デスクトップＰＣや、携帯電話機や、ＰＤＡ（Personal Digital Assistant）等により実現される。図１に示す例においては、端末装置１０がスマートフォンである場合を示す。

推定装置１００は、例えば、ＰＣ、ＷＳ（Work Station）等の情報処理装置であり、ショッピングサーバ２００からネットワークＮを介して送信されてきた情報に基づいて処理を行う。

ショッピングサーバ２００は、例えば、ＰＣ、ＷＳ等の情報処理装置であり、ネットワークＮを介して商品情報を配信する。

なお、図２では、推定装置１００とショッピングサーバ２００とは、別装置である場合を示したが、推定装置１００とショッピングサーバ２００とが一体であってもよい。また、推定装置１００とショッピングサーバ２００は、それぞれ同一とみなされる管理者によって管理されていてもよい。

図１の説明に戻る前に、実施形態に係る推定処理と従来技術との対比について説明する。従来、非構造データから属性と属性値の組み合わせで情報を抽出する処理により、構造データを生成する技術が知られていた。例えば、従来技術の応用例として、商品説明のテキストデータから背丈等のサイズ情報を抽出することによりサイズ情報のテーブルデータを作成する技術が知られていた。しかしながら、上記の従来技術では、サービス提供側がサイズ情報を決定するため、ユーザビリティの向上を促進させることができるとは限らなかった。

実施形態に係る推定装置１００は、所定の商品に対するユーザの投稿情報と、ユーザの属性を示す属性情報とを取得する取得部と、取得部により取得された投稿情報と属性情報とに基づいて、所定の商品が有する属性情報を推定する推定部とを備えたことを特徴とする。例えば、推定装置１００は、ユーザの属性情報と、その属性情報を有するユーザにとって商品がどのようなものであったかを示した投稿情報とに基づいて、その商品が有する属性情報を推定する。このように、推定装置１００は、商品に対するユーザの主観に基づいて商品の属性情報を推定するため、よりユーザビリティの向上を促進させることができる。

以下、図１を用いて、推定処理の一例を説明する。図１では、ユーザＵ１が、端末装置１０を介して所定の商品に関するレビュー情報を投稿する例を示す。ここで、所定の商品とは、例えばユーザＵ１が購入した商品である。端末装置１０は、ユーザＵ１の操作に応じて、投稿情報をショッピングサーバ２００に送信する（ステップＳ１０１）。この際、端末装置１０は、投稿情報と共にユーザＵ１の属性情報をショッピングサーバ２００に送信してもよい。例えば、端末装置１０は、端末装置１０に記憶されたユーザＵ１の属性情報を送信してもよい。また、端末装置１０は、ユーザＵ１の属性情報が予めショッピングサーバ２００に登録されている場合には、投稿情報のみをショッピングサーバ２００に送信してもよい。

なお、図１では、ユーザＵ２が、端末装置１０を介して所定の商品に関するレビュー情報を投稿する例を示す。このように、図１では、複数のユーザが、各々のユーザが利用する端末装置１０を介して所定の商品に関するレビュー情報を投稿する例を示す。

ショッピングサーバ２００は、投稿情報と属性情報とを推定装置１００に送信する（ステップＳ１０２）。そして、推定装置１００は、取得した投稿情報と属性情報とに基づいて、所定の商品が有する属性情報を推定する（ステップＳ１０３）。例えば、推定装置１００は、普段Ｍサイズの衣類をよく着ているユーザが、所定の商品のＭサイズを購入した場合における所定の商品に対する投稿情報に基づいて、所定の商品が有する属性情報を推定する。このように、推定装置１００は、投稿情報に含まれるユーザの主観に基づいて属性情報を推定する。例えば、推定装置１００は、ユーザの主観に基づくサイズ感を推定する。

例えば、普段Ｍサイズの衣類をよく着ているユーザが、所定の商品のＭサイズが小さいといったレビュー情報を投稿した場合には、所定の商品のＭサイズは他のブランドのＭサイズ（又は、一般的なＭサイズ）よりも小さめであると推定する。このように、推定装置１００は、商品を提供するサービス提供側ではなくて、商品に関する取引を行ったユーザ側に基づいてサイズ情報を推定するため、よりグローバルな（又は、ユニバーサルな）サイズ情報を推定することができる。それゆえ、推定装置１００は、ユーザビリティの向上を促進させることができる。また、推定装置１００は、商品情報の訴求効果を向上させることができる。

また、以下、推定処理による推定結果の利用の一例を説明する。図１では、ユーザＵ３が、端末装置１０を介して所定の商品の商品情報の配信を要求する例を示す。ここで、所定の商品とは、例えばユーザＵ３が購入を検討している商品である。端末装置１０は、ユーザＵ３の操作に応じて、所定の商品情報の配信要求を送信する（ステップＳ１０４）。この際、端末装置１０は、配信要求と共にユーザＵ３の属性情報をショッピングサーバ２００に送信してもよい。例えば、端末装置１０は、端末装置１０に記憶されたユーザＵ３の属性情報を送信してもよい。また、端末装置１０は、ユーザＵ３の属性情報が予めショッピングサーバ２００に登録されている場合には、配信要求のみをショッピングサーバ２００に送信してもよい。

ショッピングサーバ２００は、端末装置１０から送信された配信要求に応じて、対応する所定の商品情報を端末装置１０に配信する（ステップＳ１０５）。例えば、ショッピングサーバ２００は、推定処理よる推定結果に基づく情報を有する商品情報を配信する。具体的には、ショッピングサーバ２００は、商品を提供するサービス提供側が定めた所定の商品のサイズ情報よりも各々のサイズについて１サイズほどゆったり目であるといった情報を提供する。具体的な例を挙げると、普段Ｍサイズの衣類をよく着ている複数のユーザのうち所定の割合以上のユーザが、所定の商品のＭサイズが小さいといったレビュー情報を投稿したとすると、推定処理による推定結果に基づいて、ショッピングサーバ２００は、所定の商品のＭサイズ＝一般的な商品のＳサイズといった情報を提供する。図１の例では、ショッピングサーバ２００は、「一般的なサイズに変更するとＳ→Ｍ、Ｍ→Ｌ、Ｌ→ＸＬ、ＸＬ→２ＸＬ相当です」といった旨の情報を提供する。

また、ショッピングサーバ２００は、ユーザＵ３の属性情報に基づいて、ユーザＵ３にとって所定の商品の各々のサイズがどのように感じられるかに関する情報を提供してもよい。また、ショッピングサーバ２００は、ユーザＵ３の属性情報に基づいて、ユーザＵ３に最もマッチングするサイズ情報を提供してもよい。例えば、ショッピングサーバ２００は、ユーザＵ３の属性情報と類似するユーザが投稿したレビュー情報に基づいてユーザＵ３に適したサイズ情報を推定してもよい。

以下、図１の例を用いて、ショッピングサーバ２００が管理する商品情報の一例について説明する。図１に示す商品ページＣ２００は、商品情報の一例である。例えば、商品ページＣ２００は、所定の商品の商品情報を提供する。図１では、商品ページＣ２００には、所定の商品の画像情報ＩＭ１と、所定の商品の説明情報ＩＦ１と、所定の商品を購入するためのカート情報ＣＡ１と、所定の商品に関するレビュー情報ＲＥ１とが含まれる。なお、図１に示す商品ページＣ２００に含まれる情報は一例であり、これらの情報に限定されないものとする。

図１では、所定の商品の説明情報ＩＦ１には、商品名、価格、色、サイズ、素材構成が含まれる例を示す。説明情報ＩＦ１は、所定の商品の商品名が季節のニットトップスであり、所定の商品の価格が￥２０００であり、所定の商品の色がレッドであり、所定の商品の取引可能なサイズがＳ／Ｍ／Ｌ／ＸＬであり、所定の商品の素材構成が綿３０％／ポリエステル７０％であることを示す。

レビュー情報ＲＥ１には、所定の商品に関する各々のユーザからのレビュー情報が含まれる。例えば、レビュー情報ＲＥ１には、ユーザＵ１が投稿したレビュー情報ＲＥ１１と、ユーザＵ２が投稿したレビュー情報ＲＥ１２とが含まれる。レビュー情報ＲＥ１は、ユーザＵ１が所定の商品に関して、「Ｌサイズを購入しましたが、かなりゆったり目でした」といったレビュー情報を投稿したことを示す。また、レビュー情報ＲＥ１は、ユーザＵ２が所定の商品に関して、「Ｍサイズを購入しましたがピタピタでした。Ｌを購入すればよかった。。。」といったレビュー情報を投稿したことを示す。図１では、レビュー情報ＲＥ１にユーザＵ１とユーザＵ２との２名のレビュー情報を含む場合を一例として示すが、レビュー情報を投稿するユーザの数に限定はないものとする。

また、レビュー情報ＲＥ１は、ユーザの属性情報を含んでもよい。図１に示すように、レビュー情報ＲＥ１には、ユーザＵ１の属性情報を示す属性情報ＡＴ１１や、ユーザＵ２の属性情報を示す属性情報ＡＴ１２が含まれていてもよい。また、図１では、ユーザＵ１の属性情報ＡＴ１１とレビュー情報ＲＥ１１とを含めてユーザＵ１の投稿情報を示す投稿情報ＵＲ１１とする。なお、レビュー情報ＲＥ１がユーザＵ１の属性情報ＡＴ１１を含めない場合には、レビュー情報ＲＥ１１が投稿情報ＵＲ１１になる。同様に、図１では、ユーザＵ２の属性情報ＡＴ１２とレビュー情報ＲＥ１２とを含めてユーザＵ２の投稿情報を示す投稿情報ＵＲ１２とする。なお、レビュー情報ＲＥ１がユーザＵ２の属性情報ＡＴ１２を含めない場合には、レビュー情報ＲＥ１２が投稿情報ＵＲ１２になる。

図１では、例えば属性情報ＡＴ１１には、身長、体重、年齢、肩幅、身幅、ウェストに関する情報が含まれる例を示す。属性情報ＡＴ１１は、ユーザＵ１の身長が１６４ＣＭであり、ユーザＵ１の体重が４８ＫＧであり、ユーザＵ１の年齢が２０才であり、ユーザＵ１の肩幅が４０ＣＭであり、ユーザＵ１の身幅が４８ＣＭであり、ユーザＵ１のウェストが３８ＣＭであることを示す。なお、属性情報ＡＴ１１は商品ページＣ２００に表示されてもよいし、表示されなくてもよい。また、属性情報ＡＴ１１に含まれる情報の一部のみが商品ページＣ２００に表示されてもよい。

また、属性情報ＡＴ１２には、同様のユーザの特徴を示す項目に関する情報が含まれる。属性情報ＡＴ１２には、ユーザＵ２の身長が１５４ＣＭであり、ユーザＵ２の体重が４０ＫＧであり、ユーザＵ２の年齢が３０才であり、ユーザＵ２の肩幅が３７ＣＭであり、ユーザＵ２の身幅が４５ＣＭであり、ユーザＵ２のウェストが３５ＣＭであることを示す。なお、属性情報ＡＴ１１と同様に、属性情報ＡＴ１２は商品ページＣ２００に表示されてもよいし、表示されなくてもよい。また、属性情報ＡＴ１２に含まれる情報の一部のみが商品ページＣ２００に表示されてもよい。

なお、図１では、推定装置１００が、所定の商品に関するサイズ情報を推定する場合を一例として示したが、推定装置１００によって推定される属性はサイズ情報に限らずどのような情報であってもよい。例えば、推定装置１００は、所定の商品が有する辛みの種類や辛さの度合を推定してもよい。この場合、所定の商品とは、例えば麻婆豆腐といった料理や食品である。

〔２．端末装置の構成〕
次に、図３を用いて、実施形態に係る端末装置１０の構成について説明する。図３は、実施形態に係る端末装置１０の構成例を示す図である。図３に示すように、端末装置１０は、通信部１１と、入力部１２と、出力部１３と、制御部１４とを有する。

（通信部１１）
通信部１１は、例えば、ＮＩＣ（Network Interface Card）等によって実現される。そして、通信部１１は、所定のネットワークＮと有線又は無線で接続され、所定のネットワークＮを介して、推定装置１００と、ショッピングサーバ２００との間で情報の送受信を行う。

（入力部１２）
入力部１２は、ユーザからの各種操作を受け付ける。例えば、入力部１２は、タッチパネル機能により表示面を介してユーザからの各種操作を受け付けてもよい。また、入力部１２は、端末装置１０に設けられたボタンや、端末装置１０に接続されたキーボードやマウスからの各種操作を受け付けてもよい。

（出力部１３）
出力部１３は、例えば液晶ディスプレイや有機ＥＬ（Electro-Luminescence）ディスプレイ等によって実現されるタブレット端末等の表示画面であり、各種情報を表示するための表示装置である。また、出力部１３は、ショッピングサーバ２００から配信された商品情報を出力する。

（制御部１４）
制御部１４は、例えば、コントローラ（controller）であり、ＣＰＵ（Central Processing Unit）やＭＰＵ（Micro Processing Unit）等によって、端末装置１０内部の記憶装置に記憶されている各種プログラムがＲＡＭ（Random Access Memory)を作業領域として実行されることにより実現される。例えば、この各種プログラムには、端末装置１０にインストールされたアプリケーションのプログラムが含まれる。例えば、この各種プログラムには、ユーザの操作に応じて投稿情報をショッピングサーバ２００に送信するアプリケーションのプログラムが含まれる。また、制御部１４は、例えば、ＡＳＩＣ（Application Specific Integrated Circuit）やＦＰＧＡ（Field Programmable Gate Array）等の集積回路により実現される。

図３に示すように、制御部１４は、送信部１４１と、要求部１４２と、受信部１４３とを有し、以下に説明する情報処理の作用を実現または実行する。

（送信部１４１）
送信部１４１は、ユーザの操作に応じて投稿情報をショッピングサーバ２００に送信する。例えば、送信部１４１は、所定の商品又は商品情報に対する投稿情報をショッピングサーバ２００に送信する。具体的には、送信部１４１は、ユーザが取引を行った所定の商品に対するレビュー情報を投稿情報として送信する。この際、送信部１４１は、ユーザの属性情報をショッピングサーバ２００に送信してもよい。例えば、送信部１４１は、端末装置１０に記憶されたユーザの属性情報を送信してもよい。

（要求部１４２）
要求部１４２は、ユーザの操作に応じて所定の商品情報の配信をショッピングサーバ２００に要求する。この際、要求部１４２は、ユーザの属性情報をショッピングサーバ２００に送信してもよい。例えば、要求部１４２は、端末装置１０に記憶されたユーザの属性情報を送信してもよい。

（受信部１４３）
受信部１４３は、要求部１４２による要求に応じてショッピングサーバ２００から配信された所定の商品情報を受信する。また、受信部１４３は、推定装置１００によって推定された推定結果に基づく情報を含む商品情報を受信する。ここで、推定結果に基づく情報とは、例えば所定の商品が有する属性情報である。例えば、受信部１４３は、推定装置１００による推定結果に基づいて、変更されたサイズ情報を含む商品情報を受信する。また、受信部１４３は、推定装置１００による推定結果に基づいて選択された情報を含む商品情報を受信してもよい。例えば、受信部１４３は、変更されたサイズ情報と属性情報とに基づいて、配信を要求した他のユーザにとって最もマッチングすると選択されたサイズ情報を含む商品情報を受信してもよい。

〔３．推定装置の構成〕
次に、図４を用いて、実施形態に係る推定装置１００の構成について説明する。図４は、実施形態に係る推定装置１００の構成例を示す図である。図４に示すように、推定装置１００は、通信部１１０と、記憶部１２０と、制御部１３０とを有する。なお、推定装置１００は、推定装置１００の管理者から各種操作を受け付ける入力部（例えば、キーボードやマウス等）や、各種情報を表示するための表示部（例えば、液晶ディスプレイ等）を有してもよい。

（通信部１１０）
通信部１１０は、例えば、ＮＩＣ等によって実現される。そして、通信部１１０は、ネットワークＮと有線又は無線で接続され、ネットワークＮを介して、端末装置１０と、ショッピングサーバ２００との間で情報の送受信を行う。

（記憶部１２０）
記憶部１２０は、例えば、ＲＡＭ、フラッシュメモリ等の半導体メモリ素子、または、ハードディスク、光ディスク等の記憶装置によって実現される。図４に示すように、記憶部１２０は、投稿情報記憶部１２１と、ユーザ情報記憶部１２２と、推定情報記憶部１２３とを有する。

投稿情報記憶部１２１は、端末装置１０から送信された投稿情報を記憶する。具体的には、投稿情報記憶部１２１は、所定の商品又は商品情報に対して投稿された投稿情報を記憶する。ここで、図５に、実施形態に係る投稿情報記憶部１２１の一例を示す。図５に示すように、投稿情報記憶部１２１は、「投稿ＩＤ」、「ユーザＩＤ」、「商品」、「投稿情報」、「投稿日時」といった項目を有する。

「投稿ＩＤ」は、取得した投稿情報を識別するための識別情報を示す。「ユーザＩＤ」は、「投稿ＩＤ」により識別される投稿情報を投稿したユーザを識別するための識別情報を示す。「商品」は、投稿情報の対象となる商品を示す。図５に示す例では、「商品」に「商品＃１」といった概念的な情報が格納される例を示したが、実際には、商品情報が記憶される。「投稿情報」は、対応するユーザが投稿した投稿情報を示す。「投稿日時」は、投稿情報が投稿された日時を示す。

なお、投稿情報記憶部１２１は、「属性情報」といった項目を有してもよい。「属性情報」は、ユーザの属性情報を示す。「属性情報」は、例えば「ユーザＩＤ」に対応するユーザの属性情報を示す。「属性情報」には「属性情報＃１」といった概念的な情報が格納されてもよいし、実際の属性情報が格納されてもよいものとする。

ユーザ情報記憶部１２２は、ユーザの属性情報を記憶する。例えば、ユーザ情報記憶部１２２は、端末装置１０から送信された属性情報を記憶する。例えば、ユーザ情報記憶部１２２は、外部サーバから送信された属性情報を記憶してもよい。また、ユーザ情報記憶部１２２は、投稿情報を投稿した際に送信された属性情報を記憶してもよい。また、ユーザ情報記憶部１２２は、商品情報の配信を要求した際に送信された属性情報を記憶してもよい。ここで、図６に、実施形態に係るユーザ情報記憶部１２２の一例を示す。図６に示すように、ユーザ情報記憶部１２２は、「ユーザＩＤ」、「身長」、「体重」、「肩幅」、「身幅」といった項目を有する。

「ユーザＩＤ」は、ユーザを識別するための識別情報を示す。「ユーザＩＤ」は、投稿情報を投稿したユーザを識別するための識別情報を示す。また、「ユーザＩＤ」は、配信要求を行った他のユーザを識別するための識別情報を示す。「身長」は、属性情報として、ユーザの身長を示す。「体重」は、属性情報として、ユーザの体重を示す。「肩幅」は、属性情報として、ユーザの肩幅を示す。「身幅」は、属性情報として、ユーザの身幅を示す。また、ユーザ情報記憶部１２２は、「身長」、「体重」、「肩幅」、「身幅」といった項目の替わりに、「属性情報」といった項目を有してもよい。この場合、「属性情報」は、ユーザの身長、体重、肩幅、身幅に関する情報を総合的に示してもよい。

推定情報記憶部１２３は、推定装置１００によって推定された推定結果を記憶する。推定情報記憶部１２３は、推定装置１００によって推定された所定の商品が有する属性情報を記憶する。ここで、図７に、実施形態に係る推定情報記憶部１２３の一例を示す。図７に示すように、推定情報記憶部１２３は、「推定ＩＤ」、「商品」、「商品ＩＤ」、「商品属性」といった項目を有する。

「推定ＩＤ」は、推定装置１００によって推定された推定結果を識別するための識別情報を示す。「商品」は、推定装置１００によって属性情報が推定された商品を示す。図７に示す例では、「商品」に「商品＃１」といった概念的な情報が格納される例を示したが、実際には、商品情報が記憶される。「商品ＩＤ」は、推定装置１００によって属性情報が推定された商品を識別するための識別情報を示す。「商品属性」は、所定の商品が有する属性情報を示す。「商品属性」には、例えばユーザの主観に基づいて推定されたサイズ情報が記憶される。図７に示す例では、「商品属性」に「商品属性＃１」といった概念的な情報が格納される例を示したが、実際には、サイズ情報などの所定の商品が有する属性情報が記憶される。

（制御部１３０）
制御部１３０は、コントローラであり、例えば、ＣＰＵやＭＰＵ等によって、推定装置１００内部の記憶装置に記憶されている各種プログラムがＲＡＭを作業領域として実行されることにより実現される。また、制御部１３０は、コントローラであり、例えば、ＡＳＩＣやＦＰＧＡ等の集積回路により実現される。

図４に示すように、制御部１３０は、取得部１３１と、抽出部１３２と、推定部１３３と、判定部１３４と、送信部１３５とを有し、以下に説明する情報処理の作用を実現または実行する。なお、制御部１３０の内部構成は、図４に示した構成に限られず、後述する情報処理を行う構成であれば他の構成であってもよい。

（取得部１３１）
取得部１３１は、ショッピングサーバ２００から送信された情報を取得する。具体的には、取得部１３１は、所定の商品に対するユーザの投稿情報と、投稿情報を投稿したユーザの属性情報とを取得する。例えば、取得部１３１は、電子商店街で取引される所定の商品に対する投稿情報を取得する。また、取得部１３１は、投稿情報として、所定の商品に対するレビュー情報を取得する。なお、取得部１３１は、投稿情報として、所定の商品情報に対するレビュー情報を取得してもよい。また、取得部１３１は、属性情報として、投稿情報を投稿したユーザの体型に関するサイズ情報を取得する。なお、取得部１３１は、所定の商品に対する複数のユーザの投稿情報と、複数のユーザの属性情報とを対応付けて取得する。

取得部１３１は、所定の商品情報の配信を要求した他のユーザの属性情報を取得してもよい。例えば、取得部１３１は、属性情報として、配信の要求を行った他のユーザの体型に関するサイズ情報を取得してもよい。

（抽出部１３２）
抽出部１３２は、取得部１３１により取得された投稿情報から特定の情報を抽出する。例えば、抽出部１３２は、所定の商品に関する特定の情報を抽出する。例えば、抽出部１３２は、形態素解析の種々の自然言語処理技術の従来技術を適宜用いて、ユーザの入力情報（投稿情報）の意味解析を行った結果に基づいて、特定の情報を抽出する。具体的には、抽出部１３２は、取得部１３１により取得された投稿情報のうち所定の商品に関してユーザが感じたサイズ感に関する情報を抽出する。また、具体的には、抽出部１３２は、取得部１３１により取得された投稿情報のうち所定の商品に関してユーザが感じた所定の味覚に関する情報を抽出してもよい。例えば、抽出部１３２は、所定の味覚に関する情報として、ユーザが感じた辛さの度合に関する情報を抽出してもよい。

（推定部１３３）
推定部１３３は、取得部１３１により取得された投稿情報と属性情報とに基づいて、所定の商品が有する属性情報を推定する。例えば、推定部１３３は、取得された複数の投稿情報と、対応する複数の属性情報とに基づいて推定してもよい。例えば、推定部１３３は、取得された投稿情報と属性情報との複数の組み合わせに基づいて、投稿情報と属性情報との相関を算出して、属性情報を推定してもよい。また、推定部１３３は、取得された投稿情報と属性情報との組み合わせの数が所定の閾値以上の場合に、投稿情報と属性情報との相関を算出して、属性情報を推定してもよい。

推定部１３３は、所定の商品が有する属性情報として、例えば衣類のサイズ情報や、料理のフレーバー情報を推定する。具体的には、推定部１３３は、取得部１３１により取得された（又は、抽出部１３２により抽出された）サイズ感に関する投稿情報と、ユーザのサイズに関する属性情報とに基づいて、所定の商品が有するサイズ情報を推定する。また、具体的には、推定部１３３は、取得部１３１により取得された（又は、抽出部１３２により抽出された）所定の味覚に関する情報と、ユーザの所定の味覚に関する専門性を示す属性情報とに基づいて、所定の商品が有するフレーバー情報を推定する。より具体的には、推定部１３３は、所定の味覚に関する情報として、所定の商品の辛さの度合に関する情報と、ユーザの辛さの味覚に対する抵抗性を示す属性情報とに基づいて、所定の商品の辛さの度合に関する情報を推定してもよい。

ここで、辛さの味覚に対する抵抗性を示す属性情報とは、例えばユーザの性別や年齢である。例えば、推定部１３３は、４０代女性といった属性情報を有するユーザよりも、２０代男性といった属性情報を有するユーザの方が辛さの味覚に対する抵抗性が高いと評価して、辛さの度合に関する情報を推定してもよい。また、辛さの味覚に対する抵抗性を示す属性情報とは、例えばユーザの民族性である。例えば、推定部１３３は、辛い料理を日常的に食することを好む地域で生まれたユーザは、そうでない地域に生まれたユーザと比べて辛さの味覚に対する抵抗性が高いと評価して推定してもよい。このように、推定部１３３は、ユーザの民族性を示す民族情報を含む属性情報に基づいて、所定の商品が有する辛さの度合に関する情報を推定してもよい。

推定部１３３は、所定の商品が有する属性情報における程度を示す指標情報を推定してもよい。例えば、推定部１３３は、サイズ情報における程度を示す指標情報として、Ｓサイズは「身長１５０ＣＭ～１５５ＣＭ、肩幅３６ＣＭ～３８ＣＭ」のユーザを対象とするサイズであり、Ｍサイズは「身長１５５ＣＭ～１６０ＣＭ、肩幅３８ＣＭ～４０ＣＭ」のユーザを対象とするサイズであり、Ｌサイズは「身長１６０ＣＭ～１６５ＣＭ、肩幅４０ＣＭ～４２ＣＭ」のユーザを対象とするサイズであるといった程度を示す指標情報を推定してもよい。また、例えば、推定部１３３は、辛さの度合に関する情報の程度を示す指標情報として、辛さの度合は「５段階中レベル２」であるといった程度を示す指標情報を推定してもよい。

（判定部１３４）
判定部１３４は、推定部１３３により推定された属性情報と、取得部１３１により取得された他のユーザの属性情報とに基づいて、所定の商品が有する属性情報に対する他のユーザのマッチング度を判定する。判定部１３４は、所定の商品情報の配信を要求した他のユーザの属性情報に基づいて、配信の要求を行った他のユーザとのマッチング度を判定する。例えば、判定部１３４は、推定部１３３により推定された属性情報がサイズ情報である場合には、推定されたサイズ情報と、配信の要求を行った他のユーザの属性情報とに基づいて、所定の商品の特定のサイズに対する他のユーザのマッチング度を判定する。具体的には、判定部１３４は、所定の商品のＳサイズが、配信の要求を行った他のユーザにとって適切であるか否かを判定する。また、判定部１３４は、配信の要求を行った他のユーザにとってＳ／Ｍ／Ｌサイズのうちどのサイズが適切であるかを判定してもよい。

例えば、判定部１３４は、推定部１３３により推定された属性情報が辛さの度合に関する情報である場合には、推定された辛さの度合に関する情報と、配信の要求を行った他のユーザの属性情報とに基づいて、所定の商品の辛さに対して他のユーザがどのくらい辛いと感じるかを判定する。すなわち、判定部１３４は、所定の商品の辛さの度合が、配信の要求を行った他のユーザにとって適切であるか否かを判定する。また、判定部１３４は、配信の要求を行った他のユーザにとってどのレベルの辛さを有する商品を辛いと感じるかを判定してもよい。

（送信部１３５）
送信部１３５は、推定部１３３による推定結果をショッピングサーバ２００に送信する。例えば、送信部１３５は、所定の商品が有する属性情報を送信する。例えば、送信部１３５は、所定の商品が有する属性情報における程度を示す指標情報を送信する。また、送信部１３５は、判定部１３４による判定結果をショッピングサーが２００に送信する。例えば、送信部１３５は、推定部１３３による推定結果に対する他のユーザの属性情報に基づくマッチング度に関する情報を送信する。

〔４．ショッピングサーバの構成〕
次に、図８を用いて、実施形態に係るショッピングサーバ２００の構成について説明する。図８は、実施形態に係るショッピングサーバ２００の構成例を示す図である。図８に示すように、ショッピングサーバ２００は、通信部２１０と、記憶部２２０と、制御部２３０とを有する。なお、ショッピングサーバ２００は、ショッピングサーバ２００の管理者から各種操作を受け付ける入力部（例えば、キーボードやマウス等）や、各種情報を表示するための表示部（例えば、液晶ディスプレイ等）を有してもよい。

（通信部２１０）
通信部２１０は、例えば、ＮＩＣ等によって実現される。そして、通信部２１０は、ネットワークＮと有線又は無線で接続され、ネットワークＮを介して、端末装置１０と、推定装置１００との間で情報の送受信を行う。

（記憶部２２０）
記憶部２２０は、例えば、ＲＡＭ、フラッシュメモリ等の半導体メモリ素子、または、ハードディスク、光ディスク等の記憶装置によって実現される。図８に示すように、記憶部２２０は、商品情報記憶部２２１と、投稿情報記憶部２２２と、ユーザ情報記憶部２２３とを有する。

商品情報記憶部２２１は、所定の電子商店街で取引される商品に関する商品情報を記憶する。例えば、商品情報記憶部２２１は、端末装置１０に配信可能な商品情報を記憶する。商品情報記憶部２２１は、例えば所定の商品ページに含まれる情報を記憶する。商品情報記憶部２２１は、例えば所定の商品の画像情報や、説明情報（例えば、商品名、価格等）や、カート情報などの情報を商品毎に対応付けて記憶する。

また、商品情報記憶部２２１は、端末装置１０を介して所定の商品又は商品情報に対してユーザが投稿した投稿情報を記憶してもよい。例えば、商品情報記憶部２２１は、端末装置１０から送信されたレビュー情報を記憶してもよい。この場合、商品情報記憶部２２１は、所定の商品の画像情報や説明情報、及び、所定の商品に対してユーザが投稿した投稿情報などの情報を商品毎に対応付けて記憶してもよい。また、商品情報記憶部２２１は、投稿を行ったユーザの属性情報を記憶してもよい。この場合、商品情報記憶部２２１は、所定の商品の画像情報や説明情報、所定の商品に対する各ユーザのレビュー情報や、投稿を行ったユーザの属性情報などの情報を商品毎に対応付けて記憶してもよい。

投稿情報記憶部２２２には、図５に示す投稿情報記憶部１２１と同様の情報が格納される。具体的には、投稿情報記憶部２２２は、端末装置１０を介して所定の商品又は商品情報に対してユーザが投稿した投稿情報を記憶する。例えば、投稿情報記憶部２２２は、端末装置１０から送信されたレビュー情報をユーザの投稿毎に記憶する。例えば、投稿情報記憶部２２２は、レビュー情報と属性情報とをユーザの投稿毎に対応付けて記憶する。

ユーザ情報記憶部２２３には、図６に示すユーザ情報記憶部１２２と同様の情報が格納される。ユーザ情報記憶部２２３は、投稿を行ったユーザの属性情報を記憶する。例えば、ユーザ情報記憶部２２３は、属性情報として、ユーザの身長、体重、年齢、肩幅などの情報を記憶する。また、ユーザ情報記憶部２２３は、端末装置１０から送信された属性情報を記憶してもよいし、所定の電子商店街に登録された属性情報を記憶してもよい。

（制御部２３０）
制御部２３０は、コントローラであり、例えば、ＣＰＵやＭＰＵ等によって、ショッピングサーバ２００内部の記憶装置に記憶されている各種プログラムがＲＡＭを作業領域として実行されることにより実現される。また、制御部２３０は、コントローラであり、例えば、ＡＳＩＣやＦＰＧＡ等の集積回路により実現される。

図８に示すように、制御部２３０は、取得部２３１と、送信部２３２と、受信部２３３と、配信部２３４とを有し、以下に説明する情報処理の作用を実現または実行する。なお、制御部２３０の内部構成は、図８に示した構成に限られず、後述する情報処理を行う構成であれば他の構成であってもよい。

（取得部２３１）
取得部２３１は、端末装置１０から送信された投稿情報を取得する。例えば、取得部２３１は、所定の商品又は商品情報に対してユーザが投稿した投稿情報を取得する。また、取得部２３１は、投稿を行ったユーザの属性情報を取得してもよい。例えば、取得部２３１は、端末装置１０から送信されたユーザの属性情報を取得してもよい。

取得部２３１は、端末装置１０から送信された配信要求を取得する。例えば、取得部２３１は、所定の商品情報の配信要求を取得する。この際、取得部２３１は、配信要求を行った他のユーザの属性情報を取得してもよい。また、取得部２３１は、記憶部２２０に記憶された他のユーザの属性情報を取得してもよい。

（送信部２３２）
送信部２３２は、取得部２３１により取得された情報を推定装置１００に送信する。例えば、送信部２３２は、取得部２３１により取得された投稿情報を送信する。例えば、送信部２３２は、取得部２３１により取得された属性情報を送信する。例えば、送信部２３２は、取得部２３１により取得された投稿情報と属性情報とを送信する。

（受信部２３３）
受信部２３３は、推定装置１００により推定された推定結果に関する情報を受信する。受信部２３３は、所定の商品が有する属性情報の推定結果に関する情報を受信する。

（配信部２３４）
配信部２３４は、取得部２３１により取得された配信要求に応じて、対応する商品情報を端末装置１０に配信する。また、配信部２３４は、受信部２３３により受信された推定結果に関する情報を端末装置１０に配信する。

〔５．推定処理のフロー〕
次に、図９乃至図１０を用いて、実施形態に係る推定システム１による推定処理の手順について説明する。図９乃至図１０は、実施形態に係る推定システム１による推定処理の手順を示すフローチャートである。

図９に示すように、推定装置１００は、所定の商品に対するユーザの投稿情報と属性情報とを取得する（ステップＳ２０１）。推定装置１００は、取得した投稿情報から所定の商品に対してユーザが感じた特定の情報を抽出する（ステップＳ２０２）。推定装置１００は、抽出した特定の情報と属性情報とに基づいて、所定の商品が有する属性情報を推定する（ステップＳ２０３）。

また、図１０に示すように、推定装置１００は、所定の商品に対する複数のユーザの投稿情報と属性情報とを取得する（ステップＳ３０１）。推定装置１００は、取得した情報の数が所定の条件を満たすか否かを判定する（ステップＳ３０２）。推定装置１００は、取得した情報の数が所定の条件を満たさない場合（ステップＳ３０２；ＮＯ）、所定の条件を満たすまで待機する。また、推定装置１００は、取得した情報の数が所定の条件を満たす場合（ステップＳ３０２；ＹＥＳ）、取得した投稿情報と属性情報との相関関係を算出する（ステップＳ３０３）。また、推定装置１００は、算出した相関関係に基づいて、所定の商品が有する属性情報を推定する（ステップＳ３０４）。

〔６．効果〕
上述してきたように、実施形態に係る推定装置１００は、取得部１３１と、推定部１３３を有する。取得部１３１は、所定の取引対象に対する利用者の投稿情報と、利用者の属性を示す属性情報とを取得する。推定部１３３は、取得部１３１により取得された投稿情報と属性情報とに基づいて、所定の取引対象が有する属性を推定する。

これにより、実施形態に係る推定装置１００は、サービス提供側ではなく、ユーザ側の情報に基づいて推定するため、よりユーザビリティの向上を促進させることができる。

また、推定部１３３は、属性における程度を示す指標を推定する。

これにより、実施形態に係る推定装置１００は、よりユーザビリティの向上を促進させることができる。

また、取得部１３１は、所定の取引対象に対する複数の利用者の投稿情報と、複数の利用者の属性情報とを対応付けて取得する。また、推定部１３３は、取得部１３１により取得された投稿情報と属性情報との複数の組み合わせに基づいて、所定の取引対象が有する属性を推定する。

また、実施形態に係る推定装置１００は、取得部１３１により取得された投稿情報のうち所定の取引対象に関して利用者が感じたサイズ感に関する情報を抽出する抽出部１３２を有する。また、推定部１３３は、抽出部１３２により抽出されたサイズ感に関する情報と、利用者のサイズに関する属性情報とに基づいて、所定の取引対象が有するサイズ情報を推定する。

また、取得部１３１は、所定の取引対象に関する情報の配信を要求した他の利用者の属性情報を取得する。また、実施形態に係る推定装置１００は、推定部１３３により推定されたサイズ情報と、取得部１３１により取得された他の利用者の属性情報とに基づいて、所定の取引対象の特定のサイズに対する他の利用者のサイズ感を判定する判定部１３４を有する。

また、実施形態に係る推定装置１００は、取得部１３１により取得された投稿情報のうち所定の取引対象に関して利用者が感じた所定の味覚に関する情報を抽出する抽出部１３２を有する。また、推定部１３３は、抽出部１３２により抽出された所定の味覚に関する情報と、利用者の所定の味覚に関する専門性を示す属性情報とに基づいて、所定の取引対象が有するフレーバー情報を推定する。

また、抽出部１３２は、取得部１３１により取得された投稿情報のうち所定の取引対象に関して利用者が感じた辛さの度合に関する情報を抽出する。また、推定部１３３は、抽出部１３２により抽出された辛さの度合に関する情報と、利用者の辛さの味覚に対する抵抗性を示す属性情報とに基づいて、所定の取引対象が有する辛さの度合に関する情報を推定する。

また、推定部１３３は、利用者の民族性を示す民族情報を含む属性情報に基づいて、所定の取引対象が有する辛さの度合に関する情報を推定する。

また、取得部１３１は、所定の取引対象として、電子商店街で取引される所定の商品に対する投稿情報を取得する。また、推定部１３３は、所定の商品が有する属性を推定する。

〔７．ハードウェア構成〕
また、上述してきた実施形態に係る端末装置１０、推定装置１００およびショッピングサーバ２００は、例えば、図１１に示すような構成のコンピュータ１０００によって実現される。図１１は、端末装置１０、推定装置１００およびショッピングサーバ２００の機能を実現するコンピュータの一例を示すハードウェア構成図である。コンピュータ１０００は、ＣＰＵ１１００、ＲＡＭ１２００、ＲＯＭ１３００、ＨＤＤ１４００、通信インターフェイス（Ｉ／Ｆ）１５００、入出力インターフェイス（Ｉ／Ｆ）１６００、及びメディアインターフェイス（Ｉ／Ｆ）１７００を有する。

ＣＰＵ１１００は、ＲＯＭ１３００またはＨＤＤ１４００に格納されたプログラムに基づいて動作し、各部の制御を行う。ＲＯＭ１３００は、コンピュータ１０００の起動時にＣＰＵ１１００によって実行されるブートプログラムや、コンピュータ１０００のハードウェアに依存するプログラム等を格納する。

ＨＤＤ１４００は、ＣＰＵ１１００によって実行されるプログラム、及び、かかるプログラムによって使用されるデータ等を格納する。通信インターフェイス１５００は、所定の通信網を介して他の機器からデータを受信してＣＰＵ１１００へ送り、ＣＰＵ１１００が生成したデータを所定の通信網を介して他の機器へ送信する。

ＣＰＵ１１００は、入出力インターフェイス１６００を介して、ディスプレイやプリンタ等の出力装置、及び、キーボードやマウス等の入力装置を制御する。ＣＰＵ１１００は、入出力インターフェイス１６００を介して、入力装置からデータを取得する。また、ＣＰＵ１１００は、生成したデータを入出力インターフェイス１６００を介して出力装置へ出力する。

メディアインターフェイス１７００は、記録媒体１８００に格納されたプログラムまたはデータを読み取り、ＲＡＭ１２００を介してＣＰＵ１１００に提供する。ＣＰＵ１１００は、かかるプログラムを、メディアインターフェイス１７００を介して記録媒体１８００からＲＡＭ１２００上にロードし、ロードしたプログラムを実行する。記録媒体１８００は、例えばＤＶＤ（Digital Versatile Disc）、ＰＤ（Phase change rewritable Disk）等の光学記録媒体、ＭＯ（Magneto-Optical disk）等の光磁気記録媒体、テープ媒体、磁気記録媒体、または半導体メモリ等である。

例えば、コンピュータ１０００が実施形態に係る端末装置１０、推定装置１００およびショッピングサーバ２００として機能する場合、コンピュータ１０００のＣＰＵ１１００は、ＲＡＭ１２００上にロードされたプログラムを実行することにより、制御部１４、１３０および２３０の機能を実現する。コンピュータ１０００のＣＰＵ１１００は、これらのプログラムを記録媒体１８００から読み取って実行するが、他の例として、他の装置から所定の通信網を介してこれらのプログラムを取得してもよい。

〔８．その他〕
また、上記実施形態において説明した各処理のうち、自動的に行われるものとして説明した処理の全部または一部を手動的に行うこともでき、あるいは、手動的に行われるものとして説明した処理の全部または一部を公知の方法で自動的に行うこともできる。この他、上記文書中や図面中で示した処理手順、具体的名称、各種のデータやパラメータを含む情報については、特記する場合を除いて任意に変更することができる。例えば、各図に示した各種情報は、図示した情報に限られない。

また、図示した各装置の各構成要素は機能概念的なものであり、必ずしも物理的に図示の如く構成されていることを要しない。すなわち、各装置の分散・統合の具体的形態は図示のものに限られず、その全部または一部を、各種の負荷や使用状況などに応じて、任意の単位で機能的または物理的に分散・統合して構成することができる。

また、上述してきた実施形態は、処理内容を矛盾させない範囲で適宜組み合わせることが可能である。

以上、本願の実施形態のいくつかを図面に基づいて詳細に説明したが、これらは例示であり、発明の開示の欄に記載の態様を始めとして、当業者の知識に基づいて種々の変形、改良を施した他の形態で本発明を実施することが可能である。

また、上述してきた「部（section、module、unit）」は、「手段」や「回路」などに読み替えることができる。例えば、取得部は、取得手段や取得回路に読み替えることができる。

１推定システム
１０端末装置
１１通信部
１２入力部
１３出力部
１４制御部
１００推定装置
１１０通信部
１２０記憶部
１２１投稿情報記憶部
１２２ユーザ情報記憶部
１２３推定情報記憶部
１３０制御部
１３１取得部
１３２抽出部
１３３推定部
１３４判定部
１３５送信部
１４１送信部
１４２要求部
１４３受信部
２００ショッピングサーバ
２１０通信部
２２０記憶部
２２１商品情報記憶部
２２２投稿情報記憶部
２２３ユーザ情報記憶部
２３０制御部
２３１取得部
２３２送信部
２３３受信部
２３４配信部

Claims

所定の取引対象に対する利用者の投稿情報と、当該利用者の属性を示す属性情報とを取得する取得部と、
前記取得部により取得された投稿情報のうち前記所定の取引対象に関して前記利用者が感じたサイズ感に関する情報を抽出する抽出部と、
前記抽出部により抽出されたサイズ感に関する情報と、前記利用者のサイズに関する属性情報とに基づいて、前記所定の取引対象が有するサイズ情報を推定する推定部と、
前記推定部により推定されたサイズ情報と、前記所定の取引対象に関する情報の配信を要求した他の利用者の属性情報とに基づいて、当該他の利用者にとって前記所定の取引対象の適切なサイズを、前記所定の取引対象が有する複数サイズの中から判定する判定部と、
を有することを特徴とする推定装置。
所定の取引対象に対する利用者の投稿情報と、当該利用者の属性を示す属性情報とを取得する取得部と、
前記取得部により取得された投稿情報のうち前記所定の取引対象に関して前記利用者が感じた所定の味覚に関する情報を抽出する抽出部と、
前記抽出部により抽出された所定の味覚に関する情報と、前記利用者の所定の味覚に関する専門性を示す属性情報とに基づいて、前記所定の取引対象が有するフレーバー情報を推定する推定部と、
を有することを特徴とする推定装置。
前記抽出部は、
前記取得部により取得された投稿情報のうち前記所定の取引対象に関して前記利用者が感じた辛さの度合に関する情報を抽出し、
前記推定部は、
前記抽出部により抽出された辛さの度合に関する情報と、前記利用者の辛さの味覚に対する抵抗性を示す属性情報とに基づいて、前記所定の取引対象が有する辛さの度合に関する情報を推定する
ことを特徴とする請求項２に記載の推定装置。
前記推定部は、
前記利用者の民族性を示す民族情報を含む属性情報に基づいて、前記所定の取引対象が有する辛さの度合に関する情報を推定する
ことを特徴とする請求項３に記載の推定装置。
前記取得部は、
所定の取引対象に対する複数の利用者の投稿情報と、当該複数の利用者の属性情報とを対応付けて取得し、
前記推定部は、
前記取得部により取得された投稿情報と属性情報との複数の組み合わせに基づいて、前記所定の取引対象が有する属性を推定する
ことを特徴とする請求項１～４のいずれか一つに記載の推定装置。
前記推定部は、
前記属性における程度を示す指標を推定する
ことを特徴とする請求項５に記載の推定装置。
前記取得部は、
前記所定の取引対象として、電子商店街で取引される所定の商品に対する投稿情報を取得し、
前記推定部は、
前記所定の商品が有する属性を推定する
ことを特徴とする請求項１～６のいずれか一つに記載の推定装置。
コンピュータにより実行される推定方法であって、
所定の取引対象に対する利用者の投稿情報と、当該利用者の属性を示す属性情報とを取得する取得工程と、
前記取得工程により取得された投稿情報のうち前記所定の取引対象に関して前記利用者が感じたサイズ感に関する情報を抽出する抽出工程と、
前記抽出工程により抽出されたサイズ感に関する情報と、前記利用者のサイズに関する属性情報とに基づいて、前記所定の取引対象が有するサイズ情報を推定する推定工程と、
前記推定工程により推定されたサイズ情報と、前記所定の取引対象に関する情報の配信を要求した他の利用者の属性情報とに基づいて、当該他の利用者にとって前記所定の取引対象の適切なサイズを、前記所定の取引対象が有する複数サイズの中から判定する判定工程と、
を含んだことを特徴とする推定方法。
所定の取引対象に対する利用者の投稿情報と、当該利用者の属性を示す属性情報とを取得する取得手順と、
前記取得手順により取得された投稿情報のうち前記所定の取引対象に関して前記利用者が感じたサイズ感に関する情報を抽出する抽出手順と、
前記抽出手順により抽出されたサイズ感に関する情報と、前記利用者のサイズに関する属性情報とに基づいて、前記所定の取引対象が有するサイズ情報を推定する推定手順と、
前記推定手順により推定されたサイズ情報と、前記所定の取引対象に関する情報の配信を要求した他の利用者の属性情報とに基づいて、当該他の利用者にとって前記所定の取引対象の適切なサイズを、前記所定の取引対象が有する複数サイズの中から判定する判定手順と、
をコンピュータに実行させることを特徴とする推定プログラム。
コンピュータにより実行される推定方法であって、
所定の取引対象に対する利用者の投稿情報と、当該利用者の属性を示す属性情報とを取得する取得工程と、
前記取得工程により取得された投稿情報のうち前記所定の取引対象に関して前記利用者が感じた所定の味覚に関する情報を抽出する抽出工程と、
前記抽出工程により抽出された所定の味覚に関する情報と、前記利用者の所定の味覚に関する専門性を示す属性情報とに基づいて、前記所定の取引対象が有するフレーバー情報を推定する推定工程と、
を含んだことを特徴とする推定方法。
所定の取引対象に対する利用者の投稿情報と、当該利用者の属性を示す属性情報とを取得する取得手順と、
前記取得手順により取得された投稿情報のうち前記所定の取引対象に関して前記利用者が感じた所定の味覚に関する情報を抽出する抽出手順と、
前記抽出手順により抽出された所定の味覚に関する情報と、前記利用者の所定の味覚に関する専門性を示す属性情報とに基づいて、前記所定の取引対象が有するフレーバー情報を推定する推定手順と、
をコンピュータに実行させることを特徴とする推定プログラム。